دستیاران سلف سرویس خود را با ویژگی های جدید هوش مصنوعی مولد در Amazon Lex | خدمات وب آمازون

در این پست، ما در مورد اینکه چگونه هوش مصنوعی مولد صنعت هوش مصنوعی مکالمه را با ارائه تجربیات جدید برای مشتری و سازنده ربات تغییر می دهد و ویژگی های جدید در آمازون لکس که از این پیشرفت ها بهره می برند.

از آنجایی که تقاضا برای هوش مصنوعی محاوره‌ای همچنان در حال رشد است، توسعه‌دهندگان به دنبال راه‌هایی هستند تا چت‌بات‌های خود را با تعاملات انسان‌مانند و قابلیت‌های پیشرفته‌ای مانند مدیریت پرسش‌های متداول تقویت کنند. پیشرفت های اخیر در هوش مصنوعی مولد منجر به پیشرفت های قابل توجهی در درک زبان طبیعی می شود که سیستم های مکالمه را هوشمندتر می کند. با آموزش مدل‌های شبکه عصبی بزرگ بر روی مجموعه‌های داده با تریلیون‌ها توکن، محققان هوش مصنوعی تکنیک‌هایی را توسعه داده‌اند که به ربات‌ها اجازه می‌دهد تا سؤالات پیچیده‌تری را درک کنند، پاسخ‌های ظریف‌تر و طبیعی‌تری به صدای انسان ارائه دهند و طیف وسیعی از موضوعات را مدیریت کنند. با این نوآوری‌های جدید هوش مصنوعی، می‌توانید دستیارهای مجازی ایجاد کنید که در طول تعاملات سلف‌سرویس مبتنی بر متن یا صدا، احساس طبیعی، بصری و مفیدتر داشته باشند. پیشرفت سریع در هوش مصنوعی مولد، چت ربات های خودکار و دستیاران مجازی را به طور قابل توجهی به هدف داشتن مکالمات واقعاً هوشمند و بدون جریان نزدیک می کند. با پیشرفت‌های بیشتر در تکنیک‌های یادگیری عمیق و شبکه‌های عصبی، سیستم‌های مکالمه حتی انعطاف‌پذیرتر، مرتبط‌تر و شبیه انسان می‌شوند. این نسل جدید دستیارهای مجهز به هوش مصنوعی می‌توانند تجربه سلف‌سرویس یکپارچه را در بسیاری از موارد استفاده ارائه دهند.

چگونه Amazon Bedrock چشم انداز هوش مصنوعی محاوره ای را تغییر می دهد

بستر آمازون یک روش کاربرپسند برای ساخت و مقیاس‌سازی برنامه‌های هوش مصنوعی مولد با مدل‌های پایه (FM) است. Amazon Bedrock مجموعه ای از FM ها را از ارائه دهندگان پیشرو ارائه می دهد، بنابراین مشتریان AWS انعطاف پذیری و انتخاب برای استفاده از بهترین مدل ها برای موارد استفاده خاص خود دارند.

در دنیای پر سرعت امروز، ما از هر کسب و کاری انتظار خدمات سریع و کارآمد به مشتریان را داریم. با این حال، ارائه خدمات عالی به مشتریان می تواند به طور قابل توجهی چالش برانگیز باشد، زمانی که حجم درخواست ها از منابع انسانی به کار گرفته شده برای رسیدگی به آنها بیشتر باشد. کسب‌وکارها می‌توانند به طور مؤثر بر این چالش غلبه کنند و در عین حال با بهره‌گیری از پیشرفت‌ها در هوش مصنوعی مولد با مدل‌های زبان بزرگ (LLM) خدمات مشتری شخصی‌سازی شده را نیز ارائه دهند.

طی سال‌ها، AWS روی دموکراسی‌سازی دسترسی به هوش مصنوعی، یادگیری ماشینی (ML) و هوش مصنوعی مولد سرمایه‌گذاری کرده و درک آن را تقویت کرده است. LLM ها می توانند با ارائه پاسخ های خودکار به سؤالات متداول، تجزیه و تحلیل احساسات مشتری و اهداف برای مسیریابی مناسب تماس ها، ایجاد خلاصه ای از مکالمات برای کمک به نمایندگان، و حتی تولید خودکار ایمیل ها یا پاسخ های چت به سؤالات مشترک مشتریان، در مراکز تماس بسیار مفید باشند. با انجام وظایف تکراری و به دست آوردن بینش از مکالمات، LLM ها به عوامل مرکز تماس اجازه می دهند تا بر ارائه ارزش بالاتر از طریق خدمات شخصی و حل مسائل پیچیده تمرکز کنند.

بهبود تجربه مشتری با سوالات متداول مکالمه

هوش مصنوعی مولد پتانسیل فوق‌العاده‌ای برای ارائه پاسخ‌های سریع و قابل اعتماد به سوالات متداول مشتریان به شیوه‌ای مکالمه دارد. با دسترسی به منابع دانش مجاز و LLM، ربات آمازون Lex موجود شما می‌تواند پاسخ‌های مفید، طبیعی و دقیقی به پرسش‌های متداول ارائه دهد، که فراتر از گفتگوی وظیفه‌محور است. رویکرد نسل افزوده بازیابی ما (RAG) به آمازون لکس اجازه می‌دهد هم از وسعت دانش موجود در مخازن و هم از روانی LLM استفاده کند. شما می توانید به سادگی سوال خود را به صورت آزاد و به زبان محاوره ای بپرسید و در عرض چند ثانیه پاسخی طبیعی و متناسب دریافت کنید. ویژگی جدید سؤالات متداول مکالمه در آمازون لکس به توسعه دهندگان ربات و طراحان مکالمه اجازه می دهد تا به جای طراحی جریان های مکالمه جامع مبتنی بر سؤالات متداول در یک ربات، بر تعریف منطق تجاری تمرکز کنند.

ما در حال معرفی یک QnAIntent داخلی هستیم که از یک LLM برای پرس و جو از یک منبع دانش مجاز و ارائه یک پاسخ معنی دار و متنی استفاده می کند. علاوه بر این، توسعه‌دهندگان می‌توانند QnAIntent را پیکربندی کنند تا به بخش‌های پایگاه دانش خاص اشاره کند، و اطمینان حاصل کنند که تنها بخش‌های خاصی از محتوای دانش در زمان اجرا برای برآورده کردن درخواست‌های کاربر مورد پرسش قرار می‌گیرد. این قابلیت نیاز به صنایع بسیار تحت نظارت، مانند خدمات مالی و مراقبت های بهداشتی را برآورده می کند تا فقط به زبان سازگار پاسخ دهند. ویژگی پرسش‌های متداول مکالمه در آمازون لکس به سازمان‌ها اجازه می‌دهد تا نرخ‌های مهار را بهبود بخشند و در عین حال از هزینه‌های بالای درخواست‌های از دست رفته و انتقال نماینده انسانی اجتناب کنند.

ساخت ربات آمازون Lex با استفاده از سازنده ربات توصیفی

ساخت ربات‌های مکالمه از ابتدا فرآیندی زمان‌بر است که نیازمند دانش عمیق در مورد نحوه تعامل کاربران با ربات‌ها به منظور پیش‌بینی درخواست‌های احتمالی و کدنویسی پاسخ‌های مناسب است. امروزه، طراحان و توسعه دهندگان مکالمه، روزهای زیادی را صرف نوشتن کد می کنند تا به اجرای تمامی اقدامات ممکن کاربر کمک کنند (مقاصد، روش های مختلف کاربران درخواست های خود را بیان می کنند (سخنان، و اطلاعات مورد نیاز از کاربر برای تکمیل آن اقدامات (جک پات).

ویژگی جدید ساخت ربات توصیفی در آمازون لکس از هوش مصنوعی مولد برای تسریع روند ساخت ربات استفاده می کند. به‌جای نوشتن کد، طراحان مکالمه و توسعه‌دهندگان ربات اکنون می‌توانند آنچه را که می‌خواهند ربات انجام دهد را به انگلیسی ساده توصیف کنند (به عنوان مثال، «برای هتل من با استفاده از نام و اطلاعات تماس، تاریخ سفر، نوع اتاق و اطلاعات پرداخت رزرو کنید») . تنها با استفاده از این دستور ساده، آمازون لکس به طور خودکار مقاصد، گفته های آموزشی، اسلات ها، درخواست ها و یک جریان مکالمه را تولید می کند تا ربات توصیف شده را زنده کند. این ویژگی با ارائه یک طراحی ربات پایه، زمان و پیچیدگی ساخت ربات‌های گفتگوی را به شدت کاهش می‌دهد و به سازنده اجازه می‌دهد تا تلاش خود را برای تنظیم دقیق تجربه مکالمه در اولویت قرار دهد.

آمازون لکس با بهره‌گیری از قدرت هوش مصنوعی مولد با LLM، توسعه‌دهندگان و کاربران غیر فنی را قادر می‌سازد تا به سادگی با توصیف هدف خود، ربات‌ها را بسازند. توسعه‌دهندگان به‌جای برنامه‌نویسی دقیق مقاصد، گفته‌ها، اسلات‌ها و غیره، می‌توانند یک درخواست زبان طبیعی ارائه دهند و آمازون لکس به‌طور خودکار یک جریان ربات اولیه آماده برای اصلاح بیشتر ایجاد می‌کند. این قابلیت در ابتدا فقط به زبان انگلیسی در دسترس است، اما توسعه‌دهندگان می‌توانند قبل از استقرار، ربات تولید شده با هوش مصنوعی را سفارشی‌سازی کنند و ساعت‌های زیادی در کار توسعه دستی صرفه‌جویی کنند.

بهبود تجربه کاربر با وضوح اسلات کمکی

همانطور که مصرف کنندگان با چت بات ها و سیستم های پاسخ صوتی تعاملی (IVR) بیشتر آشنا می شوند، انتظار دارند سطوح بالاتری از هوش در تجارب سلف سرویس ایجاد شود. پاسخ‌های ابهام‌زدایی که بیشتر محاوره‌ای هستند برای موفقیت ضروری است، زیرا کاربران انتظار تجربه‌های طبیعی و شبیه انسان را دارند. با افزایش اعتماد مصرف کننده به قابلیت های چت بات، انتظار افزایش عملکرد از درک زبان طبیعی (NLU) نیز وجود دارد. در سناریوی محتمل که یک عبارت ساده یا پیچیده از نظر معنایی به درستی در یک شکاف حل نمی شود، اعتماد کاربر می تواند کاهش یابد. در چنین مواردی، یک LLM می تواند به صورت پویا به مدل آمازون Lex NLU موجود کمک کند و از وضوح دقیق اسلات اطمینان حاصل کند، حتی زمانی که گفته کاربر فراتر از محدوده مدل اسلات است. در آمازون لکس، قابلیت تفکیک اسلات کمکی ابزار دیگری را در اختیار توسعه‌دهنده ربات قرار می‌دهد تا محدودیت را افزایش دهد.

در طول زمان اجرا، زمانی که NLU نتواند یک اسلات را در طول یک نوبت مکالمه حل کند، آمازون لکس LLM انتخاب شده توسط توسعه‌دهنده ربات را برای کمک به حل شکاف فراخوانی می‌کند. اگر LLM بتواند پس از تلاش مجدد شکاف، مقداری را ارائه دهد، کاربر می‌تواند به مکالمه عادی ادامه دهد. به عنوان مثال، اگر پس از امتحان مجدد اسلات، یک ربات بپرسد "صاحب بیمه در کدام شهر زندگی می کند؟" و کاربر پاسخ می دهد "من در اسپرینگفیلد زندگی می کنم"، LLM می تواند مقدار "Springfield" را حل کند. انواع اسلات های پشتیبانی شده برای این ویژگی عبارتند از AMAZON.City، AMAZON.Country، AMAZON.Number، AMAZON.Date، AMAZON.AlphaNumeric (بدون regex) و AMAZON.PhoneNumber و AMAZON.Confirmation. این ویژگی در زمان نگارش فقط به زبان انگلیسی موجود است.

بهبود تجربه سازنده با تولید گفتار آموزشی

یکی از دردسرهایی که سازندگان ربات و طراحان مکالمه اغلب با آن مواجه می‌شوند، پیش‌بینی تنوع و تنوع پاسخ‌ها هنگام فراخوانی یک قصد یا درخواست اطلاعات اسلات است. هنگامی که یک توسعه‌دهنده ربات قصد جدیدی ایجاد می‌کند، باید نمونه‌هایی از گفته‌ها برای آموزش مدل ML در مورد انواع پاسخ‌هایی که می‌تواند و باید بپذیرد ارائه شود. اغلب ممکن است پیش‌بینی جایگشت‌ها در کلمات و نحو مورد استفاده توسط مشتریان دشوار باشد. با تولید گفتار، آمازون لکس از مدل های اساسی مانند آمازون تایتان برای تولید جملات آموزشی تنها با یک کلیک، بدون نیاز به مهندسی سریع.

تولید گفتار از نام intent، عبارات موجود و به صورت اختیاری شرح intent برای تولید عبارات جدید با یک LLM استفاده می کند. توسعه دهندگان ربات و طراحان مکالمه می توانند گفته های تولید شده را قبل از پذیرش آنها ویرایش یا حذف کنند. این ویژگی با اهداف جدید و موجود کار می کند.

نتیجه

پیشرفت های اخیر در هوش مصنوعی مولد بدون شک تجربه های خودکار مصرف کننده را بهتر کرده است. با آمازون لکس، ما متعهد هستیم که هوش مصنوعی مولد را در هر جنبه ای از سازنده و تجربه کاربر تزریق کنیم. ویژگی‌های ذکر شده در این پست تازه شروع کار است - و ما نمی‌توانیم منتظر باشیم تا به شما نشان دهیم چه چیزی در راه است.

برای کسب اطلاعات بیشتر به ادامه مطلب مراجعه نمایید اسناد آمازون لکسو این ویژگی ها را در کنسول آمازون لکس امتحان کنید.

---

درباره نویسندگان

آنورادا دورفی یک مدیر ارشد محصول در تیم آمازون لکس است و بیش از 7 سال تجربه در زمینه هوش مصنوعی محاوره ای دارد. او مجذوب رابط های کاربر صوتی و در دسترس تر کردن فناوری از طریق طراحی بصری است.

ساندیپ سرینیواسان یک مدیر ارشد محصول در تیم آمازون لکس است. او به عنوان یک ناظر دقیق رفتار انسانی، مشتاق تجربه مشتری است. او ساعات بیداری خود را در تقاطع مردم، فناوری و آینده می گذراند.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://aws.amazon.com/blogs/machine-learning/elevate-your-self-service-assistants-with-new-generative-ai-features-in-amazon-lex/